因为我自己以前下载数据主要是从NCBI下载的SRA格式的数据，而SRA文件的解压主要是用sratools中的fastq，但是这个软件不能多线程运行，随着测序数据越来越大，fastq的解压速度可能成为整个流程的瓶颈，每次一个数据的解压过程都需要好几个小时，实在是不能忍受。
fastq-dump SRR20**.sra --gzip --split-3 -O ./
我以前常用于转换的命令。
其中
--split-3：首先它是分割的意思，-3实际上指的是分成3个文件。如果结果发现只有一个文件，说明数据不是双端(第三个文件太大会覆盖前两个)；如果结果有两个文件，说明是双端文件并且数据质量比较高(没有低质量的reads或者长度小于20bp的reads)；如果结果有三个文件，说明是双端文件，但是有的数据质量不高，存在trim的结果，第三个文件的名字一般是：<srr_id>.fastq，而且文件也不大，基本可以忽略。
前面处理单细胞的sra数据的时候，也符合我的预期出来了2个或者3个文件。这三个文件的解释基本就是常规单细胞数据的3个输入文件。
但是我最近处理一批新的单细胞数据的时候，发现转换出来的fastq文件只有一个，就去搜了一下问题。好像也有很多人碰到了这个问题，也推荐最新可以多线程分析的新的升级版tool，就是sratools中的另一个软件fasterq，看名字就知道这个应该更快！
可以看出多了个-e参数来设置多线程的个数，经过测试发现确实速度提升了不少。但是fasterq-dump的优点是快，问题是不能重命名及压缩。
fasterq-dump -O ./ --split-files -e 40 ***.sra
另外对于10X的单细胞测序数据，虽然速度极快，但是fasterq-dump没有把SRR分为-1，-2，-3三个部分，这可能会影响CellRanger的后续分析。
经过测试和查看网上的帖子，发现对于10x的SRR需要加--include-technical参数，原文说到：
SRR9169172 has 3 fragments per spot. theyare labeled as this: technical - biological - technical you can see this yourself if you run: “vdb-dump SRR9169172 -R1 -C READ_TYPE”; fasterq-dump ignores by default the technicalreads. you can force the technical readsto be written out by “fasterq-dump SRR9169172 --include-technical”;
所以我们需要把命令格式改为：
fasterq-dump -O ./ --split-files -e 40 SRR17555533.sra --include-technical
这样才能正确运行获得想要的3个文件，方面做为下游cellranger的输入。
本文使用 文章同步助手 同步
网友评论